Music Fetch
Eine Frage — was ist dieser Track? — beantwortet für Eingaben, die sonst hoffnungslos sind: verrauschtes Webvideo, ganze Playlists, lokale Dateien. Ein Motor hinter CLI, lokaler HTTP-API, Terminal-UI und nativer macOS-App.
Ein Local-first-Tool zur Musikerkennung, für den Desktop gebaut. Als Eingang dient alles, was yt-dlp unterstützt — YouTube, Shorts, Instagram, TikTok, Vimeo — plus allem, was schon auf der Platte liegt. Der Motor scannt überlappende Fenster aus dem Originalmix und, wenn verfügbar, einem separierten Instrumental-Stem, sodass ein Voice-over oder Publikumslärm die Suche nicht beendet. Die Vocal-/Instrumental-Trennung säubert verrauschtes Audio vor dem Matching.
Kurze Clips nutzen aggressive Early-Stop-Logik; lange Videos und Mixe wechseln in einen Cluster-Modus mit Request-Budgets, Ausschnitt-Caching und zu Timeline-Segmenten verschmolzenen Treffern. Jobs laufen auf Wunsch losgelöst im Hintergrund und lassen sich einreichen, beobachten und bis hinunter zu Provider-Metriken inspizieren.
Derselbe Motor ist vierfach zugänglich: CLI (analyze, jobs), lokale HTTP-API, Terminal-UI und eine native SwiftUI-App für macOS. Die Provider-Kette beginnt lokal und kostenlos — ein Chromaprint-Fingerprint-Katalog der eigenen Musik, dann vibra (inoffizielles Shazam-Matching) — gehostete Dienste (AudD, ACRCloud) nur als Opt-in-Fallback mit eigenen Zugangsdaten. Öffentlich unter github.com/x1f4r/music-fetch.